Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Siapkan kumpulan data pelatihan Anda untuk distilasi
Sebelum Anda dapat memulai pekerjaan penyesuaian model, Anda perlu menyiapkan kumpulan data pelatihan secara minimal. Untuk menyiapkan kumpulan data masukan untuk model kustom Anda, Anda membuat .jsonl
file, yang setiap barisnya adalah objek JSON yang sesuai dengan catatan. File yang Anda buat harus sesuai dengan format distilasi model dan model yang Anda pilih. Catatan di dalamnya juga harus sesuai dengan persyaratan ukuran.
Berikan data input sebagai petunjuk. Amazon Bedrock menggunakan data input untuk menghasilkan respons dari model guru dan menggunakan respons yang dihasilkan untuk menyempurnakan model siswa. Untuk informasi selengkapnya tentang input yang digunakan Amazon Bedrock, dan untuk memilih opsi yang paling sesuai untuk kasus penggunaan Anda, lihat. Cara kerja Distilasi Model Batuan Dasar Amazon Ada beberapa opsi untuk menyiapkan dataset input Anda.
catatan
Amazon Novamodel memiliki persyaratan yang berbeda untuk distilasi. Untuk informasi lebih lanjut, lihat Amazon NovaModel penyulingan.
Topik
Modalitas yang didukung untuk distilasi
Model yang tercantum hanya Model dan Wilayah yang didukung untuk Distilasi Model Batuan Dasar Amazon mendukung text-to-text modalitas.
Optimalkan permintaan input Anda untuk pembuatan data sintetis
Selama distilasi model, Amazon Bedrock menghasilkan kumpulan data sintetis yang digunakannya untuk menyempurnakan model siswa Anda untuk kasus penggunaan spesifik Anda. Untuk informasi selengkapnya, lihat Cara kerja Distilasi Model Batuan Dasar Amazon.
Anda dapat mengoptimalkan proses pembuatan data sintetis dengan memformat prompt input Anda untuk kasus penggunaan yang Anda inginkan. Misalnya, jika kasus penggunaan model suling Anda adalah retrieval augmented generation (RAG), Anda akan memformat prompt Anda secara berbeda daripada jika Anda ingin model fokus pada kasus penggunaan agen.
Berikut ini adalah contoh bagaimana Anda dapat memformat prompt input Anda untuk kasus penggunaan RAG atau agen.